高效相干源DOA估计的ESPRIT新方法*

ESPRIT算法是一种速度快、精度高的常用算法,但它不能解相干。针对此缺陷,提出了一种新的高效相干源DOA估计的改进ESPRTIT方法,新方法对数据协方差矩阵的最大特征值对应的特征向量按一定方式进行重排处理,以此来重构需要解相干矩阵。它不仅解决了常规ESPRIT算法不能解相干的问题,同时相对常规ESPRIT算法计算过程大大简化。计算机仿真实验证明了该方法在解相干方面的良好性能,为解相干的ESPRIT算法在阵列信号处理的超高分辨领域开辟了新的途径。     

一种实用的空间平滑ESPRIT 算法

针对移动通信环境中多径传播的信号到来方向估计问题，结合空间平滑技术，提出一种空间平滑的ESPRIT算法，并给出了多径信号数目的推定方法．仿真结果证明，与ESPRIT算法相比，所提出的算法不仅适用于独立信号源，而且适用于相关信号源，具有分辨率高、计算量小等特点。     

一种利用非圆信号特点的实值DOA估计算法

针对非圆信号波迭方向(DOA)估计问题,提出了一种ESPRIT类的实值DoA估计算法.根据信号源为实数的特点,分别求取接收数据的实部和虚部,形成实值数据,并对其加以重新组合,提高了数据利用率,减少了运算量,在此基础上利用新构造数据的结构特点形成一个实值对角矩阵,进而得到一种ESPRIT类的DOA估计算法.该算法通过使用两个选择矩阵获得旋转因子,避免了信道附加相位对DOA估计的影响.仿真实验表明,该算法具有分辨力高、估计精度高以及稳健性强等优点.     

不计信源数目的修正MUSIC算法分析

在介绍MUSIC算法的基础上，分析了信源数目估计误差对MUSIC算法测向性能的影响，针对信源数日过估计下出现虚假信号和欠估计下存在谱峰消失的问题，根据阵列协方差矩阵特征分解后噪声特征值非常接近的特点，提出了一种在未知信源数日情况下进行正确DOA估计的修正MUSIC算法，计算机仿真结果证明了该算法的可行性和有效性。     

同时估计非相干和相干信号的修正MUSIC算法

简要阐述了阵列信号处理中广泛采用的MUSIC算法和MMUSIC算法的基本原理,然后理论分析了MUSIC和MMUSIC算法性能.仿真发现MMUSIC算法只能单独估计相干信号和非相干信号.针对这种情况,提出了一种修正MUSIC算法,该算法可以同时估计相干和非相干信号,计算机仿真结果证明该改进算法是有效的.     

通道失配对二维MUSIC算法测向性能的影响

针对二维MUSIC算法在空间谱估计中计算量大的问题,提出了一种基于三维垂直阵列结构的二维MUSIC算法,该算法在降维技术的基础上通过组合三个并行的均匀线阵分别估计出的一维DOA进行空间测向。然后重点分析了通道失配（幅相特性不一致）对二维MUSIC算法测向性能的影响。计算机仿真结果表明,通道失配严重影响着二维MUSIC算法的测向性能,在应用该算法进行空间信号波达方向估计的时候,必须考虑通道幅相误差的影响并对各通道的幅相特性进行均衡。     

一种估计多用户多径信号DOA的改进方法

Cardoso于1989年提出了一种盲源分离方法。本文将这种方法加以推广， 使其可以适用于阵元数多于用户数的情况。同时，本文还根据推广的Cardoso方法计算出的方向矢量，利用前后向线性预测方法估计信号的到达角。该方法不但可以估计独立信号的到达角，而且可以对多径信号进行处理。此方法所能估计的信号个数要远远多于MUSIC算法，计算量较MUSIC算法少，而且本方法可以在较低的信噪比下估计出正确的结果。     

一种基于实值化技术的循环平稳DOA算法

针对EC—MUSIC算法的高维复矩阵计算量大、硬件实现成本高等缺点,提出一种基于实值化技术的循环平稳DOA算法．重新构造了具有中心厄尔米特性质的高维矩阵,将复数矩阵映射成实数矩阵进行处理,不仅具有信号选择特性,提高了算法性能,而且降低了算法的计算量,有利于算法实用化和通信产品小型化．仿真结果验证了所提出算法的有效性。     

一种用于二维DOA估计的新颖Unitary ESPRIT算法

提出了一种基于双均匀线阵的特性新颖的Unitary ESPRIT算法。算法根据阵列接收数据,构造了一种实值数据形式,对其作实值奇异值分解,获得信号子空间。算法利用阵元几何的平移不变特性,构造了包含入射信号方位角和俯仰角的估计量。利用构造的估计量的特征值估计俯仰角信息,利用其对应的特征向量估计方位角信息,自动完成角度的配对。所提方法不仅保持了矩阵DOA估计算法和二维ESPRIT算法的优点,如自动的参数配对、不需要二维谱峰搜索等,而且能够在实数域中直接获得信号子空间,能够有效降低运算量。算法可以增加估计信号个数。仿真实验验证了算法的有效性。     

基于深度学习的智能化高精度测向方法

提出了一种基于深度学习的智能化高精度快速波达方向（DOA）估计算法,根据神经网络通过数据驱动而不依赖阵列流型的特点,设计了基于卷积神经网络的PhaseDOA-Net回归网络模型实现估计算法,引入特定模块对输入信号进行特征提取和处理,提高网络模型的拟合效果,用所提网络模型自主学习相位差矩阵与DOA之间的映射关系;引入残差网络结构,解决了卷积神经网络层数加深导致网络退化的问题;仿真生成了具有噪声与幅相误差的信号数据集,并构建信号相位差矩阵作为输入;仿真结果表明,本算法可以提供更高精度的估计性能,大幅减小了估计时间,解决了现有方法在阵列模型误差条件下无法准确得到DOA结果的问题;通过基于实际信号环境中采集数据的训练与测试,验证了系统对不同噪声、幅相误差的鲁棒性以及对不同信号频率更好的适应能力。     

相干信号源DOA估计ESPRIT改进算法研究

ESPRIT算法是空间谱估计中的经典算法,算法仅适用于非相干信号。提出了一种基于SVD思想的ESPRIT改进算法,算法对接收数据阵列的协方差矩阵进行特征值分解,取能代表信号全部信息的最大特征值所对应的特征向量,并将它按照一定的方式进行矩阵重构,对重构后的矩阵进行SVD分解,从中取出信号子空间,然后按照LS—ESPRIT算法求解。通过大量仿真结果表明：该算法适用于解相干信号,并且效果优于基于空间平滑思想的改进ESPRIT算法;在解非相干信号的时候,改进算法效果优于常规的LS—ESPRIT算法。     

基于辅助阵元的二维波达方向估计算法

;针对任意平面阵列,提出了一种基于辅助阵元的二维波这方向估计算法.首先利用附加的一个辅助阵元及信号的空、时域信息,构造时空旋转矩阵实现对仰角的分离估计,再利用得到的仰角信息通过一维搜索获取方位角.与传统基于子空间的二维波达方向估计算法相比,该方法不需要进行二维谱峰搜索与参数配对,对阵元的幅相误差具有较强的鲁棒性,并具有...     

阵列信号处理中基于MUSIC算法的空间谱估计

阐述了阵列信号处理中广泛采用的用于来波方向(DOA)估计的多信号分类(MUSIC)算法原理,理论分析了算法的实现过程,并结合Matlab实验,从理论和系统仿真两方面证明将此法用于确定目标方位角的实用价值,是一种有效的测量目标方位角的方法。     

DOA和频率联合估计高分辨算法

提出了一种基于双L型阵列结构针对空间非相干多个窄带信号源的中心频率、方位角和俯仰角三维参数的联合估计方法.该方法首先利用阵列接收数据构造时空矩阵,进而对时空矩阵进行特征分解,信号的三维参数由特征值和对应的特征向量直接得到.该方法不需要进行谱峰搜索,运算量小,可实现频率、方位角和俯仰角的同时估计与自动配对,具有较高的分辨率,同时解决了角度兼并问题,在无线电通信领域有很好的应用前景.给出的计算机仿真结果证明了该方法的有效性.     

基于ResNet的稳健语音DOA估计算法

针对传统波达方向（Direction of arrival, DOA）估计算法在阵列模型误差条件下估计性能下降的问题,提出了一种基于残差网络（Residual network, ResNet）的DOA估计算法。该算法根据神经网络数据驱动不依赖阵列流型的特点,从广义互相关（Generalized cross-correlation, GCC）中提取特征,将提取的特征作为神经网络深层分类器的输入,对信号分类;根据分类结果选取对应子区间数据进行训练,建立ResNet学习特征与DOA估计之间的非线性映射关系,形成一个数据驱动的稳健DOA估计系统。仿真与实验验证结果表明,该算法有效地解决了传统DOA算法在阵列模型误差条件下无法准确得到DOA结果的问题。     

基于新型聚焦矩阵的宽带信号DOA估计

针对宽带信号波达方向(DOA)估计问题,分析聚焦变换的原理,提出一种基于阵列输出信号协方差矩阵的聚焦算法.通过对不同频率和聚焦频率下的输出信号协方差进行特征分解,分别求取其大特征值对应的特征向量.根据最佳聚焦矩阵的求解条件,求出聚焦矩阵的表达式.该方法无需进行方位角度预估计,可以处理相干宽带信号源的DOA估计问题.通过实验仿真和性能分析验证了该算法的有效性.     

互质线阵中一种基于共轭增广的DOA估计算法

论文开展互质线阵下的空间谱估计研究。通过利用信号二阶统计量的共轭增广特性,提出互质阵下基于共轭增广的酉旋转不变性进行信号参数估计 (Conjugate augmented unitary estimation of signal parameters via rotational invariance technique, CA-UESPRIT)波达方向(Direction of arrival, DOA)估计算法。该算法先利用不同时长间隔下接收信号的二阶统计量,构造共轭增广虚拟阵列以扩展阵列孔径和提高空间自由度。然后采用基于互质特性的联合UESPRIT算法实现DOA估计。相比于传统互质线阵下的联合UESPRIT算法,CA-UESPRIT算法DOA估计性能更优。此外,通过酉变换可以将ESPRIT算法的协方差矩阵从复数域转化到实数域,降低了复杂度的同时保证了测向精度。仿真结果证实了所提算法的有效性。     

基于FFT旋转不变性的ESPRIT跳频信号频率估计算法

为了解决信号的信噪比(SNR,signal to niose ratio)较低时,ESPRIT(estimated signal parameters via rotational invariance technique)算法的估计性能明显下降这一问题,提出一种基于FFT(fast Fourier transform)旋转不变性的ESPRIT跳频信号频率估计算法。该算法通过对采集到的信号样本进行FFT变换,对变换结果中幅度最大的谐波系数进行筛选构造新的信号序列,再利用FFT的旋转不变性重新合成两个具有旋转不变性的矩阵,最后再利用ESPRIT算法对信号频率进行估计。理论分析和仿真结果证明了该算法的可行性和有效性。